LLMDock

LLMDock 是从 new-api 中拆分出的独立 Go 模块，提供常用大模型文本协议的 DTO、请求转换、响应转换和流式事件转换。

它只负责协议层的数据建模与语义转换，不包含 HTTP 服务、上游请求发送、渠道调度、鉴权、计费或数据库逻辑。因此可以脱离 new-api 主模块，嵌入其他 Go 网关或代理服务。

能力

• 在 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 和 Gemini generateContent 之间转换
• 同时支持请求、非流式响应和增量流式响应
• 自动根据 DTO 类型识别源协议，并选择内置的直接或多跳转换路径
• 返回转换器 ID、质量等级、实际转换步骤和统一 usage，方便审计与调试
• 支持常用的文本、多模态内容、工具调用、推理内容和 usage 映射
• 作为独立 Go module 构建，不依赖 new-api 主模块、Gin、数据库或全局设置

支持矩阵

以下四种文本协议支持任意两种格式之间的转换：

源格式 \ 目标格式	OpenAI Chat	OpenAI Responses	Claude Messages	Gemini
OpenAI Chat	—	Good	Fair	Fair
OpenAI Responses	Good	—	Fair	Fair
Claude Messages	Fair	Fair	—	Discouraged
Gemini	Fair	Fair	Discouraged	—

质量等级表示协议之间的语义匹配程度：

• Good：两种协议的核心结构较接近
• Fair：主要能力可转换，但部分协议特性可能需要适配或无法完整保留
• Discouraged：目前需要经过中间协议转换，语义损失风险更高

请求、非流式响应和流式响应均覆盖上述矩阵。实际采用的路径可从转换结果的 Steps 和 Quality 字段中读取。

安装

LLMDock 要求 Go 1.25.1 或更高版本。

go get github.com/baseredge/llmdock@latest

主要包：

包	用途
llmdock/dto	各协议的请求、响应、流式事件和 usage DTO
llmdock/types	协议格式、错误、文件来源及共享类型
llmdock/relayconvert	请求、响应和流式转换入口
llmdock/relayconvert/convmeta	与宿主实现解耦的转换上下文和选项
llmdock/reasonmap	不同协议之间的结束原因映射

快速开始

下面将 OpenAI Chat Completions 请求转换为 Claude Messages 请求：

package main

import (
	"context"
	"fmt"

	"github.com/baseredge/llmdock/dto"
	"github.com/baseredge/llmdock/relayconvert"
	"github.com/baseredge/llmdock/relayconvert/convmeta"
	"github.com/baseredge/llmdock/types"
)

func main() {
	maxTokens := uint(1024)
	request := &dto.GeneralOpenAIRequest{
		Model: "claude-sonnet-4-5",
		Messages: []dto.Message{
			{Role: "user", Content: "Hello!"},
		},
		MaxTokens: &maxTokens,
	}

	meta := &convmeta.Values{
		OriginModelName:     "client-model",
		UpstreamModelName:   request.Model,
		ChannelMetaAttached: true,
	}

	result, err := relayconvert.ConvertRequest(
		context.Background(),
		meta,
		types.RelayFormatClaude,
		request,
	)
	if err != nil {
		panic(err)
	}

	claudeRequest, ok := result.Value.(*dto.ClaudeRequest)
	if !ok {
		panic(fmt.Sprintf("unexpected result type %T", result.Value))
	}

	fmt.Printf("model=%s messages=%d\n", claudeRequest.Model, len(claudeRequest.Messages))
}

ConvertRequest 根据请求的具体 DTO 类型推断源格式。传入原始 JSON、map[string]any 或不受支持的 DTO 会返回错误。

非流式响应

响应转换使用相同的目标格式模型：

result, err := relayconvert.ConvertResponse(
	ctx,
	meta,
	types.RelayFormatOpenAI,
	claudeResponse,
)
if err != nil {
	return err
}

openAIResponse := result.Value.(*dto.OpenAITextResponse)
usage := result.Usage

支持的响应 DTO：

格式	非流式响应	流式事件
OpenAI Chat	dto.OpenAITextResponse	dto.ChatCompletionsStreamResponse
OpenAI Responses	dto.OpenAIResponsesResponse	dto.ResponsesStreamResponse
Claude Messages	dto.ClaudeResponse	dto.ClaudeResponse
Gemini	dto.GeminiChatResponse	dto.GeminiChatResponse

流式响应

流式转换可能需要跨事件保存工具调用、usage 和结束状态。每条上游流应创建独立的 ResponseStreamState，并在上游结束后调用 FinalizeStreamResponse：

state, err := relayconvert.NewResponseStreamState(
	types.RelayFormatOpenAI,
	types.RelayFormatOpenAIResponses,
	relayconvert.ResponseStreamOptions{
		ID:           "resp_123",
		Model:        "gpt-4.1",
		IncludeUsage: true,
	},
)
if err != nil {
	return err
}

for _, chunk := range upstreamChunks {
	results, err := relayconvert.ConvertStreamResponseChunk(ctx, meta, state, chunk)
	if err != nil {
		return err
	}
	for _, result := range results {
		emit(result.Value)
	}
}

finalResults, err := relayconvert.FinalizeStreamResponse(ctx, meta, state)
if err != nil {
	return err
}
for _, result := range finalResults {
	emit(result.Value)
}

usage := state.Usage()

LLMDock 不负责 SSE 的读取和写入。宿主需要将每个 SSE 事件解析为对应 DTO，并将转换结果重新编码后发送给下游。不要省略 FinalizeStreamResponse，部分转换器会在该阶段补发终止事件或最终 usage。

转换上下文

大多数基础转换可以传入 nil 作为 convmeta.Meta。需要模型映射、推理适配、安全设置或流式状态时，应使用 convmeta.Values，或在宿主中实现 convmeta.Meta。

常用选项通过 convmeta.Options 按请求传入：

meta := &convmeta.Values{
	Options: &convmeta.Options{
		Claude: convmeta.ClaudeOptions{
			DefaultMaxTokens: func(model string) int {
				return 4096
			},
		},
		Gemini: convmeta.GeminiOptions{
			ThinkingAdapterEnabled: true,
		},
	},
}

需要注意：

• OpenAI Chat 或 OpenAI Responses 转 Claude 时，Claude 请求必须具有 max_tokens。源请求未提供时，需要配置 Claude.DefaultMaxTokens，否则转换会返回错误。
• LLMDock 不负责选择渠道或映射模型名。调用转换前，应将请求中的 Model 设置为目标上游使用的模型名。
• 自定义 convmeta.Meta 的指针实现必须保证所有方法对 nil receiver 安全，完整约束见 convmeta.Meta 的接口注释。

多模态内容

某些跨协议的图片转换需要下载 URL 内容或解析 data URL。宿主应在启动时配置媒体解析器：

relayconvert.SetMediaResolver(relayconvert.MediaResolver{
	GetBase64Data:        getBase64Data,
	DecodeBase64FileData: decodeBase64FileData,
})

两个回调的签名由 relayconvert.MediaResolver 定义。需要媒体解析而未配置对应回调时，转换会明确返回错误；LLMDock 本身不会发起网络请求。

转换结果

请求转换返回 relayconvert.RequestResult，响应转换返回 relayconvert.ResponseResult。除 Value 外，建议关注：

• From / To：源格式和目标格式
• Converter：所选转换器 ID
• Quality：转换质量等级
• Steps：直接转换或多跳转换的实际路径
• Usage：响应转换后的统一 token usage
• Stream：结果是否来自流式转换

如果需要固定转换路径，可使用 ConvertRequestVia；如果需要按转换器 ID 执行，可使用 ConvertRequestByID、ConvertResponseByID 和 NewResponseStreamStateByID。

⚡ WebUI 智能多渠道与多模型网关

LLMDock 内置了一个极简、零外部依赖的 WebUI 代理网关（内存占用仅 ~10MB），支持将任何上游大模型聚合为标准 OpenAI 兼容接口，并提供可视化配置后台：

快速启动

# 启动 WebUI 代理后台
go run cmd/webui/main.go

启动后访问：👉 http://127.0.0.1:3000

网关核心特性

1. 多渠道 × 多模型矩阵管理：支持挂载 Claude、DeepSeek、OpenAI、Gemini、Ollama 等多个上游渠道；
2. 细粒度参数配置：独立调节每个模型的上下文容量（200K / 256K / 512K / 1M）、最大输出上限（64K / 128K / 32K / 16K / 8K）；
3. 🧠 全规格思考强度矩阵 (Extended Thinking / Reasoning Effort)：一键配置 🚫关闭、⚡动态自适应、🟢轻度(~2K)、🟢低(~4K)、🟡中(~8K)、🟣高(~16K-32K)、🔴满血极限(~64K) 或精确自定义 Token 预算；
4. IDE & 编码工具无缝接入：所有启用的模型自动暴露在 http://127.0.0.1:3000/v1，可直接在 VS Code Continue、Cline、Roo Code、Cursor、Aider 中使用；
5. 实时测速与连通性检测：支持单模型与全量模型并发测速，毫秒级反馈延迟。

开发

LLMDock 必须始终保持独立可构建。修改模块后，在 llmdock 目录运行：

go test ./...
go build ./cmd/webui

转换矩阵由 golden tests 覆盖。确认协议输出变化是预期行为后，可更新快照：

go test ./relayconvert -run TestGolden -update

许可证

LLMDock 遵循 MIT License。